Cara Menggunakan AI untuk Menangani Komplain Pelanggan UMKM

Eno Haryz    AI Customer Service    Komentar   

Komplain pelanggan berbeda dengan chat biasa.

Ketika pelanggan menanyakan stok atau harga, masalahnya biasanya cukup jelas. Namun ketika pelanggan datang dalam keadaan kecewa atau marah, yang dibutuhkan bukan sekadar jawaban cepat. Ada masalah yang harus dipahami dan keputusan yang mungkin harus diambil.

Di sinilah AI bisa membantu, tetapi penggunaannya justru perlu lebih hati-hati.

AI dapat membantu merangkum keluhan, menemukan informasi yang masih perlu diperiksa, dan menyiapkan draft respons. Namun AI tidak seharusnya menentukan sendiri apakah pelanggan berhak mendapat refund, kompensasi, penggantian barang, atau pengecualian kebijakan.

Pada panduan AI untuk membalas chat pelanggan UMKM, saya sudah membahas bagaimana AI dapat membantu percakapan customer service sehari-hari. Kali ini kita masuk ke situasi yang lebih sensitif: ketika pelanggan menyampaikan komplain dan bisnis perlu memahami masalah sebelum memberikan respons.

Komplain Bukan Sekadar Chat yang Harus Dibalas

Saat menerima komplain, mudah sekali merasa harus segera memberikan jawaban. Apalagi jika pelanggan sudah terdengar kecewa atau mendesak.

Masalahnya, respons yang cepat belum tentu menjadi respons yang tepat.

Saya pernah mengalami situasi yang membuat prinsip ini terasa sangat nyata. Saat menangani pengiriman sekitar 4 ton bahan baku industri ke Samarinda, Kalimantan Timur, proses administrasi setelah bongkar di Pelabuhan Palaran sempat tertahan karena ada ketidaksesuaian data pada dokumen pengiriman.

Pada situasi seperti itu, tim admin atau customer service bisa tergoda untuk segera memberikan penjelasan kepada pelanggan sebelum penyebabnya benar-benar dipahami. Waktu itu saya memilih mengambil alih penanganannya karena masalahnya tidak lagi sekadar bagaimana membalas chat. Kami perlu memeriksa dokumen, memastikan fakta, dan memahami titik masalah sebelum memberikan jawaban.

Pengalaman tersebut mengingatkan saya bahwa pada komplain tertentu, kecepatan respons memang penting, tetapi ketepatan memahami masalah jauh lebih penting.

Hal yang sama berlaku pada kasus yang lebih sederhana.

Misalnya pelanggan mengatakan:

“Pesanan saya terlambat dua hari, kardusnya penyok, padahal besok barangnya mau dipakai. Gimana ini?”

Dalam satu pesan tersebut ada beberapa masalah sekaligus:

• pesanan terlambat;
• kemasan diterima dalam kondisi penyok;
• barang dibutuhkan untuk keperluan besok;
• pelanggan sedang kecewa dan membutuhkan kepastian.

Tetapi masih ada informasi yang belum diketahui. Apakah produk di dalam kardus ikut rusak? Apa penyebab keterlambatannya? Apakah bisnis memiliki kebijakan penggantian? Apakah pengiriman pengganti masih memungkinkan?

Kalau informasi tersebut belum tersedia, meminta AI langsung membuat “balasan terbaik” terlalu cepat.

Pisahkan Masalah Sebelum Menyusun Jawaban

Salah satu penggunaan AI yang menurut saya lebih berguna adalah membantu kita memahami komplain terlebih dahulu.

Sederhananya, pisahkan isi percakapan menjadi tiga bagian.

1. Fakta yang Sudah Diketahui

Catat apa yang memang disampaikan pelanggan atau sudah dapat diverifikasi dari data bisnis.

Misalnya nomor pesanan, tanggal pengiriman, produk yang dibeli, kondisi barang, status pembayaran, atau riwayat percakapan.

2. Kondisi dan Kekhawatiran Pelanggan

Perhatikan mengapa masalah tersebut penting bagi pelanggan.

Pelanggan yang membutuhkan produk untuk acara besok mempunyai urgensi berbeda dengan pelanggan yang hanya menanyakan kapan paket akan tiba.

AI dapat membantu membaca konteks, tetapi kita tetap perlu memahami bahwa di balik komplain ada orang yang sedang mengalami masalah nyata.

3. Informasi yang Belum Diketahui

Ini bagian yang sering menentukan kualitas respons.

Jika kondisi barang belum diperiksa, jangan menganggap barang rusak. Jika penyebab keterlambatan belum diketahui, jangan membuat penjelasan sendiri. Jika keputusan refund belum dibuat, jangan menjanjikannya kepada pelanggan.

AI lebih berguna ketika membantu menunjukkan informasi apa yang masih kurang daripada mengisi kekosongan tersebut dengan asumsi.

Framework 6 Langkah Menangani Komplain dengan AI

Untuk penggunaan sehari-hari, alurnya tidak perlu rumit:

1. Pahami keluhan: baca seluruh percakapan dan identifikasi masalah utama.
2. Pisahkan informasi: kelompokkan fakta, kondisi pelanggan, dan informasi yang belum diketahui.
3. Periksa fakta dan kebijakan: cek pesanan, produk, pengiriman, retur, garansi, atau aturan yang relevan.
4. Putuskan solusi atau eskalasi: manusia yang berwenang menentukan tindakan yang dapat diberikan.
5. Gunakan AI untuk menyusun respons: setelah fakta dan solusi jelas, minta AI membantu menyampaikannya dengan bahasa yang natural.
6. Periksa, kirim, dan evaluasi: baca ulang sebelum dikirim dan catat pola jika masalah serupa terus muncul.

AI membantu memahami dan menyampaikan. Manusia tetap memeriksa fakta dan mengambil keputusan.

Jika bisnis sudah memiliki SOP customer service UMKM, tahap pemeriksaan dan eskalasi dapat mengikuti aturan yang sudah ditentukan sehingga admin tidak harus membuat keputusan baru setiap kali komplain masuk.

Contoh Menggunakan AI pada Komplain Pelanggan

Kita gunakan kembali contoh pelanggan yang menerima paket terlambat dengan kardus penyok.

Daripada langsung meminta AI membuat balasan, gunakan AI sebagai asisten untuk memahami kasus terlebih dahulu.

Prompt untuk menganalisis komplain:

Saya sedang menangani komplain pelanggan UMKM.

Pesan pelanggan:
"[tempel pesan pelanggan]"

Tugas Anda:
1. Ringkas masalah utama pelanggan.
2. Pisahkan antara:
   - fakta yang sudah diketahui,
   - kondisi atau kekhawatiran pelanggan,
   - informasi yang masih perlu saya periksa.
3. Buat daftar data atau pertanyaan yang perlu saya cek sebelum memberikan solusi.
4. Jangan menentukan refund, kompensasi, diskon, penggantian barang, atau kebijakan apa pun.
5. Jangan membuat fakta yang tidak tersedia.

Dari analisis tersebut kita mungkin mengetahui bahwa nomor pesanan perlu diperiksa, kondisi produk di dalam kemasan perlu dikonfirmasi, dan kemungkinan penggantian harus dilihat berdasarkan kebijakan serta kemampuan operasional bisnis.

Sebelum Fakta Diperiksa

Misalnya AI langsung diminta membuat jawaban tanpa konteks yang cukup dan menghasilkan respons seperti ini:

“Mohon maaf Kak atas keterlambatannya. Kami akan segera mengirim barang pengganti hari ini agar bisa digunakan besok.”

Respons tersebut terdengar membantu, tetapi berisiko.

Kita belum mengetahui penyebab keterlambatan, kondisi barang sebenarnya, apakah penggantian memang sesuai kebijakan, dan apakah pengiriman baru bisa dilakukan hari itu.

Setelah Fakta dan Solusi Dikonfirmasi

Setelah tim memeriksa kasus, misalnya diketahui bahwa keterlambatan disebabkan kendala armada kurir dan bisnis sudah memutuskan mengirim barang pengganti, berikan informasi tersebut kepada AI:

Hasil pemeriksaan:
- Keterlambatan disebabkan kendala armada kurir.
- Kondisi produk di dalam kardus masih perlu dikonfirmasi kepada pelanggan.

Solusi yang sudah disetujui:
- Kirim barang pengganti menggunakan kurir instan hari ini.

Buat draft balasan kepada pelanggan.

Gunakan bahasa Indonesia yang natural, tenang, dan empatik.
Akui masalah pelanggan tanpa berlebihan.
Jelaskan solusi dengan jelas.
Tanyakan kondisi produk di dalam kardus.
Jangan menambahkan janji, kebijakan, atau informasi baru.

Contoh hasilnya:

“Halo Kak, terima kasih sudah mengabarkan kondisi paketnya. Kami memahami barang tersebut dibutuhkan untuk besok.

Setelah kami periksa, keterlambatan terjadi karena kendala armada dari pihak kurir. Tim kami sedang menyiapkan pengiriman barang pengganti menggunakan kurir instan hari ini.

Sebelum kami lanjutkan, boleh diinformasikan apakah isi di dalam kardus sebelumnya juga mengalami kerusakan? Terima kasih atas kesabarannya, Kak.”

Perbedaannya bukan sekadar bahasa yang lebih sopan. Respons kedua dibuat setelah penyebab diperiksa, solusi sudah diputuskan, dan masih ada informasi yang perlu dikonfirmasi kepada pelanggan.

AI membantu menyusun kata-katanya. Keputusan bisnis tetap dibuat oleh manusia.

Kapan AI Harus Berhenti dan Manusia Mengambil Alih?

Tidak semua komplain cocok diteruskan hanya dengan draft AI.

Manusia perlu mengambil peran lebih besar ketika kasus melibatkan:

• refund atau kompensasi di luar aturan normal;
• masalah pembayaran;
• produk rusak atau kesalahan pengiriman yang serius;
• garansi atau kewajiban bisnis yang perlu diperiksa;
• pelanggan dengan emosi yang semakin meningkat;
• informasi yang saling bertentangan;
• keputusan yang membutuhkan persetujuan pemilik atau PIC.

Dalam kondisi tersebut, AI masih dapat membantu merangkum kronologi atau merapikan draft. Namun keputusan dan komunikasi akhirnya sebaiknya dikendalikan oleh orang yang benar-benar memahami kasus.

Jika AI membutuhkan informasi mengenai retur, pengiriman, produk, garansi, atau kebijakan lain, pastikan sumbernya berasal dari data bisnis yang benar. Ketika informasi mulai tersebar di banyak dokumen, panduan membuat knowledge base UMKM dengan AI dapat membantu merapikan sumber rujukan tersebut.

Gunakan Komplain untuk Memperbaiki Pelayanan

Setelah masalah selesai, komplain sebaiknya tidak langsung dilupakan.

Beberapa keluhan memang terjadi karena kasus khusus. Tetapi jika masalah yang sama terus muncul, mungkin ada bagian proses bisnis yang perlu diperbaiki.

Misalnya beberapa pelanggan berulang kali mengeluhkan informasi ukuran produk yang membingungkan. Masalahnya mungkin bukan pada kemampuan admin membalas chat, tetapi informasi produk yang belum cukup jelas.

AI dapat membantu mengelompokkan catatan komplain yang sudah disamarkan untuk menemukan pola seperti:

• masalah pengiriman yang sering muncul;
• informasi produk yang membingungkan;
• pertanyaan retur yang berulang;
• bagian SOP yang belum jelas;
• kasus yang terlalu sering membutuhkan eskalasi.

Tujuannya bukan sekadar membuat komplain lebih cepat dibalas. Yang lebih penting adalah mengurangi kemungkinan masalah yang sama terus berulang.

Checklist Sebelum Mengirim Respons Komplain

• Apakah masalah utama pelanggan sudah dipahami?
• Apakah fakta yang digunakan sudah diperiksa?
• Apakah ada asumsi yang dibuat oleh AI?
• Apakah solusi sesuai dengan kebijakan bisnis?
• Apakah orang yang memberikan solusi memiliki kewenangan?
• Apakah langkah berikutnya sudah dijelaskan dengan jelas?
• Apakah bahasanya natural dan sesuai karakter bisnis?
• Apakah ada data pribadi yang sebenarnya tidak perlu diberikan kepada AI?

Jika bagian penting masih belum jelas, lebih baik periksa terlebih dahulu daripada terburu-buru mengirim jawaban yang nantinya harus dikoreksi.

Pertanyaan yang Sering Ditanyakan

Apakah AI bisa membalas komplain pelanggan?

AI bisa membantu membuat draft respons, tetapi fakta, kebijakan, dan solusi tetap perlu diperiksa manusia. Untuk kasus sensitif, jangan langsung mengirim output AI tanpa review.

Apakah ChatGPT bisa digunakan untuk menangani keluhan pelanggan?

Bisa. ChatGPT dapat membantu merangkum keluhan, mengidentifikasi informasi yang belum tersedia, dan menyusun draft respons setelah konteksnya jelas. Hindari memberikan data pelanggan yang tidak diperlukan.

Apakah semua komplain bisa ditangani otomatis dengan AI?

Tidak. Kasus yang melibatkan refund, pembayaran, pengecualian kebijakan, konflik informasi, atau pelanggan dengan emosi tinggi sebaiknya memiliki jalur eskalasi kepada manusia yang berwenang.

Penutup

Saat pelanggan komplain, tujuan kita bukan menghasilkan kalimat yang terdengar paling sempurna.

Tujuannya adalah memahami apa yang terjadi, memeriksa fakta, menentukan penyelesaian yang memang dapat dilakukan, lalu menyampaikannya dengan baik.

AI bisa membuat proses tersebut lebih terstruktur. Tetapi semakin sensitif masalah pelanggan, semakin penting manusia tetap memegang kendali.

Gunakan AI untuk membantu memahami dan menyusun respons. Gunakan pengetahuan bisnis dan pertimbangan manusia untuk menyelesaikan masalahnya.

Bagaimana pengalaman Anda saat menangani komplain pelanggan?

Apakah Anda pernah menghadapi situasi ketika tim atau admin terlalu cepat memberikan solusi sebelum memahami masalah sebenarnya? Ceritakan pengalaman atau kendalanya di kolom komentar. Pengalaman dari bisnis yang berbeda sering memberi pelajaran yang tidak kita temukan dari teori saja.